由麻省理工学院和卡塔尔计算研究所（QCRI）的研究人员开发的一种模型，可利用卫星图像为数字地图标注道路特征，有望帮助改善 GPS 导航。
向驾驶员展示路线的更多细节，往往能帮助他们在陌生地点导航。例如，车道数量可以让 GPS 系统提醒驾驶员注意车道分流或汇合。加入停车位信息有助于驾驶员提前规划，而绘制自行车道地图则能帮助骑行者穿行于繁忙的城市街道。提供最新道路状况信息也能改善灾害救援规划。
然而，制作详尽地图既昂贵又耗时，主要由大型公司完成。例如，谷歌会派出车头装有摄像头的车辆四处行驶，拍摄某个地区道路的视频和图像。将这些资料与其他数据结合，可以制作准确且最新的地图。但由于这一过程成本高昂，世界上一些地区因此被忽略。
一种解决办法是利用机器学习模型处理卫星图像，自动标注道路特征。卫星图像更容易获取，而且更新频率相当高。但道路可能会被树木、建筑物等遮挡，因此这项任务颇具挑战。在一篇论文中，麻省理工学院和 QCRI 的研究人员介绍了“RoadTagger”。该论文将在人工智能促进协会会议上发表。RoadTagger 结合了多种神经网络架构，能够自动预测障碍物后方的车道数量和道路类型（住宅道路或高速公路）。
研究人员在美国 20 座城市数字地图中被遮挡的道路上测试 RoadTagger，结果显示，该模型统计车道数量的准确率为 77%，推断道路类型的准确率为 93%。研究人员还计划让 RoadTagger 能够预测停车位、自行车道等其他特征。
“目前最新的数字地图，大多覆盖大型公司最关注的地区。如果你身处它们不太关注的地方，地图质量就会让你处于劣势。”论文共同作者 Sam Madden 说。他是电气工程与计算机科学系（EECS）教授，也是计算机科学与人工智能实验室（CSAIL）的研究人员。“我们的目标是自动生成高质量的数字地图，让任何国家都能使用。”
论文的共同作者包括：CSAIL 研究生 Songtao He、Favyen Bastani 和 Edward Park；EECS 本科生 Satvat Jagwani；CSAIL 教授 Mohammad Alizadeh 和 Hari Balakrishnan；以及 QCRI 研究人员 Sanjay Chawla、Sofiane Abbar 和 Mohammad Amin Sadeghi。
结合 CNN 与 GNN
Madden 说，QCRI 所在的卡塔尔“并非大型数字地图公司优先关注的地区”。然而，卡塔尔一直在修建新道路、改善旧道路，尤其是在为举办 2022 年 FIFA 世界杯做准备。
“我们访问卡塔尔时遇到过这样的情况：Uber 司机不知道该怎么开到目的地，因为地图偏差太大。”Madden 说。“如果导航应用没有正确的信息，比如车道汇合情况，可能会让人感到沮丧，甚至导致更糟的后果。”
RoadTagger 采用了一种新颖的组合架构，将卷积神经网络（CNN，常用于图像处理任务）与图神经网络（GNN）结合起来。GNN 对图中相连节点之间的关系建模，现已广泛用于分析社交网络和分子动力学等问题。该模型采用“端到端”方式，也就是说，它只接收原始数据，便能自动生成输出，无需人工介入。
CNN 接收目标道路的原始卫星图像作为输入。GNN 将道路划分为大约 20 米长的路段，也就是“图块”。每个图块都是一个独立的图节点，由沿道路延伸的连线彼此连接。对于每个节点，CNN 会提取道路特征，并将这些信息分享给相邻节点。道路信息会沿着整个图传播，每个节点都能收到有关其他节点道路属性的一些信息。如果图像中的某个图块被遮挡，RoadTagger 就会利用沿路所有图块的信息，预测遮挡物后方的情况。
研究人员表示，这种组合架构体现了更接近人类的直觉。比如，一条四车道道路的一部分被树木遮挡，因此某些图块只显示两条车道。人类很容易推断出树后还藏着几条车道。传统机器学习模型，比如单独使用 CNN，只会提取各个图块的特征，因此很可能会将被遮挡的图块预测为双车道道路。
“人类可以利用相邻图块的信息，推测被遮挡图块中的车道数量，但神经网络做不到这一点。”He 说。“我们的方法试图模仿人类的自然行为，将 CNN 提取的局部信息与 GNN 提取的全局信息结合起来，从而做出更好的预测。”
学习权重
为训练和测试 RoadTagger，研究人员使用了一个名为 OpenStreetMap 的真实世界地图数据集。该数据集允许用户编辑和维护全球数字地图。研究人员从中收集了美国 20 座城市共 688 平方公里地图中经过确认的道路属性，包括波士顿、芝加哥、华盛顿和西雅图。随后，他们从 Google 地图数据集中获取了相应的卫星图像。
在训练过程中，RoadTagger 会学习 CNN 和 GNN 的权重；权重用于为特征和节点连接赋予不同程度的重要性。CNN 从图块的像素模式中提取特征，GNN 则沿着图传播已学习到的特征。系统从道路中随机选取子图，学习预测每个图块的道路特征。在此过程中，系统会自动学习哪些图像特征有用，以及如何沿图传播这些特征。例如，如果目标图块的车道标线不清晰，但相邻图块有四条标线清晰的车道，且道路宽度相同，那么目标图块也很可能有四条车道。在这种情况下，模型会自动学到道路宽度是一项有用的图像特征，因此，如果相邻的两个图块道路宽度相同，它们的车道数量也很可能相同。
对于一条未在训练阶段见过的 OpenStreetMap 道路，模型会将其划分为图块，并利用学到的权重进行预测。当模型需要预测某个被遮挡图块中的车道数量时，会发现相邻图块的像素模式相符，因此它们很可能共享信息。所以，如果这些图块有四条车道，被遮挡的图块也一定有四条。
在另一项结果中，RoadTagger 在一组人工合成且极具挑战性的道路中断数据中，准确预测了车道数量。例如，一座双车道立交桥遮住了目标道路上几个图块，而目标道路有四条车道。模型检测到立交桥的像素模式与道路不符，于是忽略了覆盖图块上的两条车道，准确预测其下方有四条车道。
研究人员希望利用 RoadTagger，帮助人们快速验证并批准 OpenStreetMap 等数据集中的基础设施持续变更；许多地图并未包含车道数量或其他详细信息。Bastani 说，泰国是一个特别值得关注的地区：当地道路不断变化，但数据集中几乎没有更新。
“曾经标注为土路的道路已经铺上了路面，开起来更方便；有些路口也已完全改建。每年都有变化，但数字地图已经过时。”他说。“我们希望根据最新图像持续更新这类道路属性。”
